Skip navigation

Use este identificador para citar ou linkar para este item: https://repositorio.ufpb.br/jspui/handle/123456789/25454
Tipo: TCC
Título: Aplicação de modelo de Rede Neural Convolucional para detecção de fogo ativo no Parque Estadual Encontro das Águas
Autor(es): Costa, Daniel Cabral da
Primeiro Orientador: Santos, Celso Augusto Guimarães
Resumo: A detecção de fogo ativo através de sensoriamento remoto é uma ferramenta importante para o controle e análise dos impactos dos incêndios florestais, principalmente quando ocorrem em regiões remotas e de difícil acesso. Com o avanço tecnológico, algoritmos de processamento de imagem surgiram e aumentaram as alternativas para se monitorar e analisar esses fenômenos. Desse modo, o objetivo dessa pesquisa é de aplicar uma Rede Neural Convolucional sobre imagens de uma região de interesse que inclui o Parque Estadual Encontro das Águas entre os meses de agosto a outubro de 2020, período em que a reserva – a segunda maior do Pantanal brasileiro – sofreu com uma quantidade histórica de queimadas. Os dados utilizados no estudo foram adquiridos do satélite Sentinel-2, através da biblioteca eo-learn da linguagem Python, resultando num total de quinze imagens de resolução espacial de vinte metros e 2496 x 2489 pixels. Ao fim do pré-processamento, obteve-se 1500 imagens de 256 x 256 pixels que foram processadas pela Rede Neural Convolucional escolhida. O modelo utilizado correspondeu a uma arquitetura U-Net, que possuiu nove blocos de convolução, com 2.164.593 parâmetros pré-treinados. Após o processamento, foram obtidas quinze máscaras de tamanho 2560 x 2560, cada uma correspondente a uma data do período, cujos pixels indicam a presença de fogo ativo, quando True, ou não, quando False. A análise das máscaras indicou que o pico dos incêndios na região ocorreu no mês de setembro, que é o último do período seco na região. As quatro imagens adquiridas entre 29/08/2020 e 13/09/2020 acumularam 84,7% de todos os pixels ativos no período, com pico no último dia, que contou com 20.177 pixels ativados, equivalente a aproximadamente um terço do total para o período. Após essa data, os fogos detectados por imagem tiveram uma queda brusca, que continuou até o fim do período analisado. Para validar os resultados encontrados, fez-se uma comparação entre as máscaras geradas e os resultados obtidos na plataforma BDQueimadas, para as mesmas datas e área delimitada, que indicou uma maior capacidade de detecção de focos de incêndio menores e mais detalhados por parte da rede estudada. Assim, a ferramenta mostrou-se útil para a análise posterior da evolução e dos impactos do fogo em grandes áreas. Entretanto, ponderou-se que, apesar da maior resolução espacial do Sentinel-2, sua resolução temporal de cinco dias, além do tempo de processamento, inviabilizam seu uso para o monitoramento em tempo real desses fenômenos.
Abstract: The detection of active fire through remote sensing is an important tool for controlling and analyzing the impacts of forest fires, especially when they occur in remote and difficult-toaccess regions. With technological advancement, image processing algorithms emerged and increased the alternatives to monitor and analyze these disasters. Thus, the objective of this research is to apply a Convolutional Neural Network on images of a region of interest that includes the Encontro das Águas State Park from August to October 2020, a period in which the reserve – the second largest in the Brazilian Pantanal – suffered from a historic number of fires. The data used in the experiment was acquired from the Sentinel-2 satellite, through Python’s eo-learn library, resulting in a total of fifteen image, with spatial resolution of twenty meters and 2496 x 2489 pixels. At the end of the preprocessing, 1500 images of 256 x 256 pixels were obtained, which were passed through the chosen Convolutional Neural Network. The model used corresponded to a U-Net, which had nine convolution blocks, with 2,164,593 pre-trained parameters. After processing, fifteen masks of size 2560 x 2560 were obtained, each corresponding to a date in the period analyzed, whose pixels indicate the presence of active fire, when True, or not, when False. The analysis of the masks indicated that the peak of the wildfires in the region occurred in September, the last month of the dry period in the region. The four images acquired between 08/29/2020 and 09/13/2020 accumulated 84.7% of all active pixels in the period, with a peak on the last day, which had 20,177 activated pixels, equivalent to approximately one third of the total for the period. After that date, the fires detected by image had a sharp drop, which continued until the end of the analyzed period. To validate the results found, a comparison was made between the generated masks and the results obtained on the BDQueimadas platform, for the same dates and delimited area, which indicated a greater capacity for detecting smaller and more detailed fire spots by the studied network. Thus, the tool proved to be useful for further analysis of the evolution and impacts of fire in large areas. However, it was considered that despite Sentinel- 2's higher spatial resolution, its five-day temporal resolution, in addition to its processing time, make it unfeasible to use for real-time monitoring of these phenomena.
Palavras-chave: Queimadas
Processamento Digital de Imagens
Redes Neurais Convolucionais
Sensoriamento Remoto
CNPq: CNPQ::ENGENHARIAS::ENGENHARIA CIVIL
Idioma: por
País: Brasil
Editor: Universidade Federal da Paraíba
Sigla da Instituição: UFPB
Departamento: Engenharia Civil e Ambiental
Tipo de Acesso: Acesso aberto
URI: https://repositorio.ufpb.br/jspui/handle/123456789/25454
Data do documento: 3-Dez-2021
Aparece nas coleções:CT - TCC - Engenharia Civil e Ambiental

Arquivos associados a este item:
Arquivo Descrição TamanhoFormato 
TCC - DANIEL CABRAL - 11503060.pdf2,85 MBAdobe PDFVisualizar/Abrir


Os itens no repositório estão protegidos por copyright, com todos os direitos reservados, salvo quando é indicado o contrário.